Logo
Project Icon

cond_rnn

条件时间序列预测的深度学习框架

ConditionalRecurrentKerasRNN时间序列TensorFlowGithub开源项目

ConditionalRecurrent是一个兼容Keras的包装器，用于基于时间不变数据进行条件时间序列预测。它支持各种循环层，通过学习条件表示来初始化RNN状态，有效模拟P(x_{t+1}|x_{0:t}, cond)。该库适用于包含外部输入的时间序列数据，如天气预测，为整合时间不变条件信息提供了实用的解决方案。

访问官网访问官网GithubGithub论文论文
介绍相关项目
keras-tcn - 强化长记忆能力的时序卷积网络
GRUGithubKeras TCNLSTMTemporal Convolutional NetworkTensorFlow开源项目
该项目介绍了时序卷积网络（TCN）如何在长时间序列数据中替代LSTM/GRU并表现出更优异的性能。TCN提供更长的记忆能力、更稳定的梯度，同时支持并行处理和灵活的感受野。这些特性在人脸识别、添加任务、复制记忆任务和语言模型等任务中表现突出。用户可以通过本项目配置和运行TCN模型，探索其在不同任务中的应用潜力。
textgenrnn - 高效训练文本生成神经网络的实用模块
GithubKerasPythonTensorFlowchar-rnntextgenrnn开源项目
textgenrnn是一个基于Keras和TensorFlow的Python 3模块，只需几行代码即可训练不同规模和复杂度的文本生成神经网络。支持字符级和词级训练，并可使用预训练模型加快训练。其现代架构利用注意力加权和跳过嵌入等技术，提升模型质量和训练速度。可在GPU上训练并在CPU上生成文本，还可在Colab中免费试用。
neuralforecast - 先进的神经网络时间序列预测模型库
GithubNeuralForecast开源项目时间序列机器学习深度学习预测模型
NeuralForecast 提供 30 多种先进的神经网络模型，提升时间序列预测的准确性和效率。支持外生变量和静态协变量，并具备自动超参数优化和可解释性方法。通过 sklearn 语法 `.fit` 和 `.predict` 实现快速训练和预测，包含 NBEATSx 和 NHITS 等最新实现，并与 Ray 和 Optuna 集成，适用于多种应用场景。
CEEMDAN_LSTM - CEEMDAN与LSTM结合的时序预测模型
CEEMDAN_LSTMGithub开源项目数据分解时间序列预测神经网络金融预测
CEEMDAN_LSTM是一个Python模块，结合完整集成经验模态分解(CEEMDAN)和长短期记忆(LSTM)神经网络进行时序预测。该项目提供多种预测方法和评估工具，支持灵活的参数设置，适用于金融等领域的复杂时序数据分析。它简化了分解集成预测的实现过程，有助于研究人员和数据分析师快速构建和优化预测模型。CEEMDAN_LSTM支持多种预测方法，包括单一、集成、分别和混合预测等。它还提供了统计测试、热图绘制和DM测试等模型评估工具，有助于全面分析预测结果。
neural_prophet - 易用的开源时间序列预测框架
GithubNeuralProphetPyTorch开源项目时间序列预测模型构建
NeuralProphet是一个基于PyTorch的开源框架，将神经网络与传统时间序列算法结合，专为时间序列预测而设计。它提供简便的代码接口，支持模型定制、趋势检测、季节性分析和事件影响评估，适合高频次和长期数据。项目仍在beta阶段，欢迎社区贡献。
flow-forecast - 开源时间序列深度学习框架，支持最新模型和云端集成
Flow ForecastGithubtransformer开源开源项目时间序列预测深度学习
Flow Forecast 是一个开源时间序列预测深度学习框架，提供最新的Transformer、注意力模型、GRU等技术，并具有易于理解的解释指标、云集成和模型服务功能。该框架是首个支持Transformer模型的时间序列框架，适用于流量预测、分类和异常检测。
CNTK - 深度学习工具包，支持多种模型，包括DNN、CNN和RNN
CNTKGithubONNX开源开源项目深度学习神经网络
CNTK，微软的开源深度学习工具包，支持多种模型，包括DNN、CNN和RNN。具备自动微分和GPU并行化等高级功能，简化开发和训练流程，并完美支持ONNX，兼容多种AI框架。
pytorch-forecasting - 前沿的时间序列预测工具包，提供灵活的高层API
GithubPyTorch ForecastingPyTorch Lightning开源项目时间序列预测深度学习神经网络
PyTorch Forecasting 是一个基于 PyTorch 的时间序列预测包，适用于实际应用和研究。它支持多种神经网络架构及自动日志记录，利用 PyTorch Lightning 实现多 GPU/CPU 的扩展训练，并内置模型解释功能。关键特性包括时间序列数据集类、基本模型类、增强的神经网络架构、多视角时间序列指标和超参数优化。安装简便，支持 pip 和 conda，文档详尽，并包含模型比较和使用案例。
chronos-forecasting - 基于语言模型架构的预训练时间序列预测工具
AutoGluonChronosGithub开源项目时间序列语言模型预训练
Chronos是一款基于语言模型架构的预训练时间序列预测工具。它通过量化处理将时间序列转换为标记序列，并使用大规模的公开和合成数据进行训练。Chronos模型在零样本场景中表现优异，提供从预测到嵌入提取的完整解决方案。通过AutoGluon，用户可轻松进行模型集成和云端部署，提升预测性能和应用的灵活性。
returnn - 多GPU优化的Theano/TensorFlow循环神经网络框架
GithubLSTMRETURNN多GPU环境开源项目神经网络训练速度
RETURNN是一个基于Theano和TensorFlow的现代循环神经网络框架，优化于多GPU环境下的快速可靠训练。其主要特点包括简便的配置与调试、支持多种实验模型，以及高效的训练和解码速度。项目还支持小批量训练、序列分块训练、长短期记忆网络、多维LSTM和大数据集内存管理，广泛应用于机器翻译和语音识别领域。RETURNN提供详尽的文档和使用教程，并通过StackOverflow标签提供社区支持。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号